持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第5天，点击查看活动详情 前言 当我们开始准备数据建模、构建机器学习模型的时候，第一时间考虑的不应该是就考虑到选择模型的种类和方法

前面两篇文章笔者介绍了如何建模线性回归（包括多变量与多项式回归）、如何通过sklearn搭建模型并求解。但是对于一个求解出来的模型我们应该怎样来对其进行评估呢？换句话说，你这个模型到底怎么样？ 在回归任务（对连续值的预测）中，常见的评估指标（Metric）有：平均绝对误差（Me…

说到特征工程，就不得不提有这么一句话在业界广泛流传：数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限而已，从而可见，特征工程的重要程度。 特征： 是指数据中抽取出来的对结果预测有用的信息，也就是数据的相关属性。 在确定好我们的目标后，我们首先要做的就是根据业务场景，…

首先导入要使用的科学计算包numpy,pandas,可视化matplotlib,seaborn,以及机器学习包sklearn。 然后导入数据，并进行初步的观察，这些观察包括了解数据特征的缺失值，异常值，以及大概的描述性统计。 初步观察到一共有11个特征变量，Price 在这里是…

小知识，大挑战！本文正在参与“程序员必备小知识”创作活动。 总共22个完整的pyecharts例子，包含常用的配置方法，每个小例子都包含完整代码，为避免混淆，每个例子都差不多只包含单一配置的代码。